Ne confiez surtout pas vos projets AI aux data scientists
Qui devrait piloter l’intégration de l’IA en entreprise ? Alors que la première réaction est souvent de recruter une équipe de data scientists, cette approche se révèle rapidement limitée. Pourquoi ? Parce que sans une vision claire et une stratégie définie par la direction, les initiatives d’IA risquent de ne pas être alignées avec les objectifs de l’entreprise.
La vision limitée des data scientists
Les data scientists, bien que cruciaux pour identifier les opportunités d’IA, possèdent une compréhension souvent partielle des enjeux métier de l’entreprise. Leur exploration des données ne leur révèle pas nécessairement les inefficacités quotidiennes des processus et des flux de travail. Sans une exposition prolongée aux réalités de l’entreprise, ils peinent à cibler les problématiques essentielles à résoudre (1). De plus, ils sont souvent récents dans l’entreprise et n’en connaissent ni les rouages, ni les spécificités.
Les défis de la communication et de l’engagement
Le modèle ascendendant (bottom up), qui prévaut dans la recherche d’opportunités d’IA, impose aux data scientists de convaincre la direction de s’engager dans leurs projets. Or, naviguer dans les méandres politiques de l’entreprise n’est pas leur fort. Excellant dans le domaine technique, ils peuvent manquer d’autorité ou d’intérêt pour s’adresser à la direction, entravant ainsi le potentiel d’impact de l’IA (2).
Contraintes budgétaires et viabilité des projets
Fréquent est le cas où les scientifiques de données lancent des pilotes sans une compréhension approfondie des limites budgétaires de l’entreprise. Ces initiatives, souvent trop coûteuses ou risquées, se voient annulées ou suspendues, faute de promesse d’un ROI (retour sur investissement), voire simplement de justification des coûts. Cette approche déconnectée peut mener à des résultats décevants pour l’entreprise, sapant l’enthousiasme initial pour l’IA et entraînant une remise en question de son utilité et de son retour sur investissement (3). Gartner a dores et déjà constaté que plus de 80% des projets AI n’aboutissent pas.
A retenir
- La réussite de l’intégration de l’IA en entreprise requiert une direction claire et une stratégie définie par le haut, et non pas seulement par les compétences techniques des data scientists.
- Une compréhension profonde des défis métier et des flux de travail de l’entreprise est essentielle pour cibler efficacement les applications d’IA.
- Les data scientists doivent être soutenus par une communication fluide avec la direction pour aligner les projets d’IA sur les objectifs stratégiques et les contraintes budgétaires de l’entreprise.
Références :
« Exploring AI Opportunities: The Business Perspective Limitation. » Journal of Business Strategy.
« The Communication Gap in AI Projects: Bridging the Divide. » AI Management Review.
« Budget Constraints and AI Projects: Navigating the Financial Aspects. » Financial Technology Quarterly.